[논문 리뷰] Image Fusion Techniques in Remote Sensing

Reham Gharbia, Ahmad Taher Azar외 2명|arXiv (Cornell University)|2014. 03. 11.

Advanced Image Fusion Techniques참고 문헌 35인용 수 13

한 줄 요약

이 논문은 원격 감지 분야에서 픽셀 수준의 이미지 융합 기법을 검토하며, HIS, 브로비, PCA, 웨이블릿 변환과 같은 방법을 사용하여 고공간 해상도 편광 이미지(팬)와 저공간 해상도 다중스펙트럼 이미지(MS)를 융합한다. 각 기법의 원리, 장점 및 한계를 평가하여 지리정보시스템(GIS) 및 원격 감지 응용 분야에서 공간 해상도와 스펙트럼 정밀도가 향상된 융합 이미지를 생성하고자 한다.

ABSTRACT

Remote sensing image fusion is an effective way to use a large volume of data from multisensor images. Most earth satellites such as SPOT, Landsat 7, IKONOS and QuickBird provide both panchromatic (Pan) images at a higher spatial resolution and multispectral (MS) images at a lower spatial resolution and many remote sensing applications require both high spatial and high spectral resolutions, especially for GIS based applications. An effective image fusion technique can produce such remotely sensed images. Image fusion is the combination of two or more different images to form a new image by using a certain algorithm to obtain more and better information about an object or a study area than. The image fusion is performed at three different processing levels which are pixel level, feature level and decision level according to the stage at which the fusion takes place. There are many image fusion methods that can be used to produce high resolution multispectral images from a high resolution pan image and low resolution multispectral images. This paper explores the major remote sensing data fusion techniques at pixel level and reviews the concept, principals, limitations and advantages for each technique. This paper focused on traditional techniques like intensity hue-saturation- (HIS), Brovey, principal component analysis (PCA) and Wavelet.

연구 동기 및 목표

• 원격 감지 응용 분야에서 주요 픽셀 수준 융합 기법을 분석하고 비교하기.
• HIS, 브로비, PCA, 웨이블릿 변환과 같은 전통적 융합 방법의 강점과 한계를 규명하기.
• GIS 기반 원격 감지 작업에 필수적인 고해상도 다중스펙트럼 영상 개발을 지원하기.
• 픽셀 수준에서 융합 원리, 알고리즘 및 성능 상충 관계에 대한 종합적인 개요 제공하기.

제안 방법

• 고공간 해상도 패널 캐리어 데이터로 강도를 대체하여 패널 및 MS 이미지를 융합하기 위해 강도-색조-포화도(IHS) 변환을 적용.
• 다중스펙트럼 밴드를 편광 대 다중스펙트럼 픽셀 값의 비율을 사용하여 스케일링하는 브로비 변환을 구현.
• 다중스펙트럼 데이터를 정규 직교 성분으로 분해하고 첫 번째 주성분을 편광 이미지로 대체하기 위해 주성분 분석(PCA)을 활용.
• 이산 웨이블릿 변환(DWT)을 사용하여 영상을 하위밴드로 분해하고 저주파 성분을 고공간 해상도 편광 데이터로 대체.
• 스펙트럼 및 공간 특성을 유지하기 위해 정의된 수학적 연산을 사용하여 변환된 성분을 픽셀 수준에서 융합.
• 시각적 품질과 신호 대 잡음비(SNR), Q, ERGAS와 같은 정량적 지표를 기반으로 융합 결과를 평가하였지만, 개요에서 구체적 수치는 기재되지 않았다.

실험 결과

연구 질문

• RQ1 기존 픽셀 수준 융합 기법들은 융합된 원격 감지 영상에서 스펙트럼 및 공간 정보를 얼마나 잘 유지하는가?
• RQ2 HIS, 브로비, PCA, 웨이블릿 기반 융합 방법은 원격 감지 응용 분야에서 내재된 한계가 무엇인가?
• RQ3 다중스펙트럼 영상에서 스펙트럼 정밀도를 유지하면서 공간 해상도를 향상시키는 데 가장 효과적인 융합 기법은 무엇인가?
• RQ4 각 융합 방법의 수학적 원리가 결과 융합 영상의 품질과 사용 가능성에 어떻게 영향을 미치는가?
• RQ5 다양한 융합 알고리즘 간의 계산 복잡도와 영상 품질 간의 상충 관계는 어떠한가?

주요 결과

• HIS 방법은 공간 해상도를 효과적으로 향상시키지만, 강도 대체로 인해 종종 스펙트럼 특성이 왜곡된다.
• 브로비 변환은 상대적으로 스펙트럼 콘텐츠를 잘 유지하지만, 색상 잡음이 발생할 수 있고 입력 다이나믹 레인지에 민감하다.
• PCA 기반 융합은 HIS 및 브로비보다 스펙트럼 무결성을 더 잘 유지하지만, 성분 대체로 인해 자연스럽지 않은 영상 아티팩트가 발생할 수 있다.
• 웨이블릿 기반 융합은 다중 해상도 하위밴드에서 작동함으로써 공간 및 스펙트럼 보존 성능이 뛰어나며, 가장 뛰어난 가장자리 및 질감 유지 능력을 제공한다.
• 모든 기법은 영상 콘텐츠 및 센서 특성에 따라 다양한 수준의 성공을 보이며, 최적의 방법이 유일하게 존재하지는 않는다.
• 논문은 융합 성능가 알고리즘 선택과 응용 분야의 요구 사항에 크게 의존하며, 일반적으로 웨이블릿 기법이 전통적 방법보다 정밀도에서 뛰어나다는 결론을 내린다.